تشخیص زنده بودن (liveness)
با افزایش ارائه خدمات به صورت الکترونیکی و راه دور، استفاده از بیومتریک چهره، برای احراز هویت غیرحضوری و یا احراز هویت و کنترل تردد حضوری یکی از روش‌های متداول است که به دلیل سادگی و در دسترس بودن در بسیاری از کاربردهای کنترل دسترسی به کار گرفته شده است. از یک طرف، این فناوری نیز مانند همه تکنولوژی‌های مورد استفاده با مساله آسیب‌پذیری در برابر حملات و هک کردن و دور زدن روبرو است. سیستم‌های تشخیص چهره در برابر حملات نمایش چهره غیرزنده (Presentation Attack) که به عنوان حملات مستقیم یا حملات کلاهبرداری شناخته می‌شود، یکی از نگرانی‌های اصلی استفاده از این روش زیست‌سنجی است. هدف حمله نمایش، دور زدن سیستم تشخیص چهره با استفاده از نمایش چهره مصنوعی است. استفاده‌های رایج از چهره غیر واقعی شامل عکس چاپ شده، نمایش الکترونیکی یک عکس صورت، پخش ویدیو با استفاده از یک نمایشگر الکترونیکی و ماسک‌های صورت سه‌بعدی می‌باشد. با این حال برای مقابله با این ریسک، روش‌های تشخیص زنده بودن ( ایجاد شده‌اند که با الگوریتم‌های مختلفی، حملات نمایش در سامانه‌های تشخیص چهره را شناسایی کرده و مانع از آسیب‌های امنیتی می‌شود.
شرکت سپیدسیستم با بهره‌گیری از دانش متخصصان خود در حوزه امنیت، هوش مصنوعی و یادگیری ماشین و به کارگیری دو دهه تجربه خود در حوزه ارائه راهکارهای احراز هویت غیرحضوری هوشمند مبتنی بر زیست‌سنجی (Biometric) و کنترل دسترسی، الگوریتم‌های تشخیص زنده بودن را به دو صورت سرویس و ماژول ارائه می‌کند.
سرویس و ماژول تشخیص زنده بودن چهره سپید
سپید سیستم با بکارگیری روش‌های نوین یادگیری ماشین به ویژه با استفاده از روش‌های پردازش تصویر و یادگیری عمیق (Deep Learning)، مجموعه‌ای از کاراترین الگوریتم‌های تشخیص زنده بودن از روی چهره را طراحی و پیاده‌سازی کرده است که با دریافت چهره از فایل تصویری (عکس) یا ویدئوی در حال پخش (استریم)، بعد از تشخیص محل چهره، نرمال کردن تصویر و حذف نویز، به تحلیل آن برای تشخیص زنده بودن یا نبودن می‌پردازد.
سپیدسیستم دو دسته روش تشخیص زنده بودن شامل روش‌های غیرفعال یا غیرتعاملی (Passive) و روش‌های فعال یا تعاملی (Active) را توسعه داده است که هر کدام از آنها یا به صورت ترکیبی قابل استفاده هستند. روش غیرتعاملی، شامل تشخیص زنده بودن در تصاویر ویدئویی کوتاه یا عکس است که فرد با ارسال ویدئو/عکس و استخراج اطلاعات لازم از آن، به تشخیص شاخص‌های زنده بودن با روش‌های پردازش تصویر مانند تحلیل فرکانس و محتوای ویدئو/عکس می‌پردازد و بر اساس آن میزان زنده بودن را تعیین می‌کند.
برای افزایش کارایی در تشخیص زنده بودن، روش‌های فعال تشخیص زنده بودن (تعاملی) مانند تشخیص پلک زدن و حرکت سر استفاده می‌شود و یا از روش‌های جدی‌تر چالش-پاسخ شامل لب‌خوانی (Lip Reading) و تشخیص گفتار (Speech Recognition) استفاده می‌شود.
تشخیص پلک زدن
این ماژول به عنوان یکی از سرویس‌های تشخیص زنده بودن، با دریافت ویدئو، به صورت تصادفی در چند زمان درخواست پلک زدن از کاربر می‌کند و بر اساس صحت پاسخگویی کاربر و تحلیل محتوای ویدئو، میزان زنده بودن را می‌سنجند.
خواندن لب (Lip Reading)
در این ماژول، از فرد درخواست می‌شود چند کلمه (سه تا پنج) را که به تصادفی و در لحظه تولید می‌شوند، بخواند و از روی تشخیص صحت خواندن آن کلمات از زنده بودن فرد اطمینان حاصل می‌شود. تولید تصادفی کلمات منجر به جلوگیری از جعل بازپخش (با ویدئوهای گرفته شده از فرد) می‌شود.
تشخیص گفتار (Speech Recognition)
در این ماژول، یک جمله متنی به صورت تصادفی برای کاربر نمایش داده شده و از وی خواسته می‌شود، آن را بخواند. گفتار خوانده شده با سرویس بازشناسی گفتار این شرکت به متن تبدیل شده و بر اساس درستی متن خوانده شده، امتیاز زنده بودن فرد محاسبه می‌شود. این ماژول هم برای زبان فارسی و هم برای زبان انگلیسی قابل ارائه است.